พื้นฐาน Series และ DataFrame
สร้างและตรวจสอบโครงสร้างข้อมูลของ Pandas จากแหล่งข้อมูลต่าง ๆ
พื้นฐาน Series และ DataFrame เป็นบทเรียน Python Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Python Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Python Academy มีบทเรียนทั้งหมด 4 บทเรียน
แพนดาสคืออะไร
แพนดาสมี Series (อาร์เรย์ 1 มิติที่มีป้ายกำกับ) และ DataFrame (ตาราง 2 มิติที่มีป้ายกำกับ) ซึ่งสร้างบน NumPy และปรับให้เหมาะกับการวิเคราะห์ข้อมูล
import pandas as pd
s = pd.Series([10, 20, 30], index=["a","b","c"])
print(s)
# a 10
# b 20
# c 30การสร้าง Series
สร้าง Series จากลิสต์ ดิกชันนารี หรือสเกลาร์ ดัชนีจะเริ่มต้นเป็นจำนวนเต็มที่เริ่มจากศูนย์โดยค่าเริ่มต้น
import pandas as pd
# From list:
s1 = pd.Series([1, 2, 3])
# From dict (keys become index):
s2 = pd.Series({"x": 10, "y": 20})
# Scalar (broadcast):
s3 = pd.Series(5, index=range(4))
print(s3) # 0 5 / 1 5 / 2 5 / 3 5การสร้าง DataFrame
สร้าง DataFrame จากดิกชันนารีของลิสต์ ลิสต์ของดิกชันนารี หรืออาร์เรย์ NumPy
import pandas as pd
df = pd.DataFrame({
"name": ["Alice","Bob","Carol"],
"age": [30, 25, 35],
"score":[95.5, 87.0, 92.3]
})
print(df)การตรวจสอบพื้นฐาน
head(), tail(), shape, dtypes, info(), describe() คือขั้นตอนแรกเมื่อเริ่มทำงานกับชุดข้อมูลใหม่
import pandas as pd
df = pd.read_csv("data.csv")
print(df.head()) # first 5 rows
print(df.shape) # (rows, cols)
print(df.dtypes) # column types
print(df.describe()) # count, mean, std, min...การเข้าถึงคอลัมน์
เข้าถึงคอลัมน์ด้วยสัญกรณ์จุดหรือวงเล็บเหลี่ยม สัญกรณ์จุดใช้ไม่ได้กับชื่อคอลัมน์ที่มีช่องว่างหรือซ้ำกับแอตทริบิวต์ของ DataFrame
import pandas as pd
df = pd.DataFrame({"age":[30,25], "city":["NY","LA"]})
print(df["age"]) # preferred
print(df.age) # also works if name is simple
print(df[["age","city"]]) # multiple columnsพื้นฐานดัชนี
ดัชนีใช้ระบุแถว โดยค่าเริ่มต้นจะเป็น 0, 1, 2... แต่สามารถกำหนดเป็นค่าใด ๆ ที่แฮชได้
import pandas as pd
df = pd.DataFrame({"val":[10,20,30]}, index=["a","b","c"])
print(df.loc["b"]) # row with label b
print(df.index) # Index(['a','b','c'])
# Reset to default integer index:
df.reset_index(drop=True, inplace=True)การเพิ่มและนำคอลัมน์ออก
กำหนดค่าให้คีย์ใหม่เพื่อเพิ่มคอลัมน์ ใช้ drop() เพื่อนำคอลัมน์ออก
import pandas as pd
df = pd.DataFrame({"a":[1,2,3],"b":[4,5,6]})
df["c"] = df["a"] + df["b"] # new column
df.drop(columns=["b"], inplace=True)
print(df)การจัดแนว Series
เมื่อรวม Series เข้าด้วยกัน Pandas จะจัดแนวตามดัชนี หากไม่พบรายการที่ตรงกัน จะได้ค่า NaN
import pandas as pd
s1 = pd.Series([1,2,3], index=["a","b","c"])
s2 = pd.Series([10,20], index=["b","c"])
print(s1 + s2)
# a NaN
# b 12.0
# c 23.0to_dict และ to_list
แปลง DataFrame หรือ Series กลับเป็นโครงสร้างมาตรฐานของ Python เพื่อส่งออกหรือตรวจสอบ
import pandas as pd
df = pd.DataFrame({"x":[1,2],"y":[3,4]})
print(df.to_dict("records"))
# [{'x': 1, 'y': 3}, {'x': 2, 'y': 4}]
print(df["x"].to_list())
# [1, 2]การอ่านไฟล์
Pandas อ่าน CSV, Excel, JSON, Parquet และ SQL เป็น DataFrames ได้โดยตรง
import pandas as pd
df_csv = pd.read_csv("data.csv")
df_excel = pd.read_excel("data.xlsx", sheet_name="Sheet1")
df_json = pd.read_json("data.json")
df_parq = pd.read_parquet("data.parquet")
# pd.read_sql("SELECT * FROM table", conn)การเขียนไฟล์
ส่งออก DataFrames เป็น CSV, Excel, JSON และ Parquet
import pandas as pd
df = pd.DataFrame({"a":[1,2],"b":[3,4]})
df.to_csv("out.csv", index=False)
df.to_json("out.json", orient="records")
df.to_parquet("out.parquet")ตรวจสอบด่วน
df.describe() ส่งคืนอะไร
ทบทวน
Series คืออาร์เรย์แบบ 1 มิติที่มีป้ายกำกับ ส่วน DataFrame คือตารางแบบ 2 มิติที่มีป้ายกำกับ เข้าถึงคอลัมน์ด้วย df["col"] ใช้ head(), describe(), info() เพื่อตรวจสอบข้อมูลอย่างรวดเร็ว อ่านและเขียน CSV, Excel, JSON และ Parquet ได้ด้วยฟังก์ชันที่มีมาให้
คำถามที่พบบ่อย
บทเรียน “พื้นฐาน Series และ DataFrame” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “พื้นฐาน Series และ DataFrame” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Python Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Python Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “พื้นฐาน Series และ DataFrame”
สร้างและตรวจสอบโครงสร้างข้อมูลของ Pandas จากแหล่งข้อมูลต่าง ๆ คุณปฏิบัติ Python Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Python Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Python Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน
บทเรียน “พื้นฐาน Series และ DataFrame” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Python Academy นี้ได้ไหม
ได้ บทเรียน Python Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- พื้นฐาน Series และ DataFrame
- การใช้ดัชนี การกรอง และมาสก์บูลีน
- GroupBy การรวมข้อมูล และตารางไพวอต
- การผสาน การเชื่อม และการทำความสะอาดข้อมูล